深度复数网络用于野外协议无关的射频设备指纹识别
密码学与安全
2019-09-20 v1 信号处理
摘要
研究人员已展示了各种用于设备指纹识别和身份认证的技术。先前的方法通过其网络流量或发射信号来识别设备,同时依赖于软件或操作系统特定的伪迹(例如协议头字段的可预测性)或底层协议的特征(例如频率偏移)。由于这些约束在真实场景中可能成为障碍,我们引入了一种实用的、可泛化的方法,其为多种场景提供了显著的操作价值,包括作为防止冒充攻击的额外认证因子。我们的目标是在不了解信号性质的情况下,识别由设备独特硬件“缺陷”引起的发射信号中的伪迹。我们开发了 RF-DCN,一种新颖的深度复值神经网络(DCN),其处理原始 RF 信号且完全独立于底层应用和协议。我们提出了两种 DCN 变体:(i) 用于建模完整信号的卷积 DCN (CDCN),以及 (ii) 用于建模时间序列的循环 DCN (RDCN)。我们的系统处理来自给定频谱窗口内空中捕获的原始 I/Q 数据,无需调制方案甚至载波频率的知识。尽管我们的实验证明了系统的有效性,尤其是在其他神经网络架构失效的严峻条件下,我们仍指出了基于信号的指纹识别中的额外挑战,并为未来探索提供了指导。我们的工作通过在新型复值网络中使用原始 RF I/Q 数据建立基本方向,为这一广阔而具挑战性的领域中的更多研究奠定了基础。
引用
@article{arxiv.1909.08703,
title = {Deep Complex Networks for Protocol-Agnostic Radio Frequency Device Fingerprinting in the Wild},
author = {Ioannis Agadakos and Nikolaos Agadakos and Jason Polakis and Mohamed R. Amer},
journal= {arXiv preprint arXiv:1909.08703},
year = {2019}
}